基于高光谱的土壤不同颗粒含量预测分析

以典型黄河下游冲积平原区的土壤为研究对象,分析土壤高光谱特征,探讨土壤质地不同粒级颗粒含量的统一估测途径,为土壤质地快速监测评价提供技术支持.选择原始光谱,及其倒数、对数、标准正交变换、多元散射变化、一阶微分、二阶微分共7种光谱变换形式,首先主成分降维,然后分别建立土壤黏粒、粉粒和砂粒含量的支持向量机预测模型,采用决定...     

玉米叶片氮含量的高光谱估算及其品种差异

准确、快速、及时地对玉米氮营养状况做出判断是氮肥合理施用的基础。该研究在水培条件下对3个玉米品种（组合）叶片氮含量（LNC）的高光谱敏感波段、估算模型及其品种差异进行了探讨。结果表明,LNC与不同波段叶片光谱反射率的相关性存在品种差异,但3个品种（组合）都在500～649 nm和691～730 nm表现极显著的负相关关系,并在同一波长获得最高的相关系数,说明可以利用统一的波段来预测不同品种的LNC。依品种建立了LNC与归一化差值光谱指数（NDSI）或比值光谱指数（RSI）的定量关系模型,NDSI（714,554）和RSI（714,554）所建模型的拟合度最好,直线和指数模型拟合度均达到极显著水平,可以用来估算玉米LNC。玉米LNC估算中,以该品种数据所建模型的估算偏差最低,利用综合模型或其他品种模型则加大了估算偏差,高估与低估的最高偏差分别为35.6%和32.7%。在利用高光谱技术进行玉米氮营养状况诊断的研究及应用中,应考虑品种间差异。     

基于支持向量机和ReliefF算法的玉米品种抗倒伏预测

针对目前玉米品种抗倒伏鉴定方法费时、费力,玉米抗倒伏品种选育周期长的问题,该研究采用高光谱成像技术结合统计学习方法在玉米营养生长期开展品种抗倒伏预测。于2018年和2019年开展田间试验采集不同抗倒伏的8个玉米品种的高光谱成像数据,基于区域识别方法提取感兴趣区域（Region of Interest,ROI）的光谱曲线,分析抗倒样本和不抗倒样本的数据特性;然后分别采用过滤式特征选择算法ReliefF（Relevant Features）和主成分分析（Principal Component Analysis,PCA）结合ReliefF算法的方式,挖掘抗倒品种和不抗倒品种的光谱分类特征;最后使用交叉验证的方式,对ReliefF方法选择的原始光谱数据特征数量和PCAReliefF方法选择的主成分特征数量进行优化,分别建立ReliefF-SVM和PCAReliefF-SVM支持向量机（Support Vector Machines,SVM）分类模型,并对SVM模型的惩罚参数和核参数进行优化,以获得更好的模型预测效果。结果表明：经过特征优化,2018年试验和2019年试验分别选择了40和50个特征参与建模,且使用PCAReliefF方法选择的主成分特征与使用ReliefF方法选择的原始光谱数据特征相比,几乎不含有冗余特征;通过对支持向量机模型的惩罚参数和核参数进行优化,2018年试验ReliefF-SVM和PCAReliefF-SVM模型对预测集样本的抗倒伏分类预测正确率分别为84.17%和85.00%,2019年试验模型分类预测正确率分别为84.17%和85.83%。可见,采用高光谱成像数据和统计学习方法可以实现对玉米品种抗倒伏的早期预测,使用PCAReliefF-SVM模型比ReliefF-SVM分类模型综合性能更优,试验可为玉米抗倒伏品种的高效筛选提供方法和借鉴。     

基于GA-SVM的耕地土壤重金属含量高光谱反演方法的研究

为提高耕地土壤重金属含量高光谱反演模型精度,以岳阳县某地区耕地土壤重金属铁（Fe）、砷（As）、铬（Cr）为例,提出了一种遗传算法（GA）优化支持向量机（SVM）的重金属含量反演模型。在对光谱进行SG平滑和10 nm重采样后,利用一阶/二阶微分、倒数对数和连续统去除光谱变换方法增强光谱特征,通过相关性分析筛选最优变换光谱,使用皮尔森相关系数与主成分分析提取各重金属光谱特征变量,分别建立SVM和GA-SVM土壤重金属高光谱反演模型并进行精度验证。结果表明,二阶微分变换光谱与各重金属含量相关性整体最突出;三种重金属在可见光波段490 nm、500 nm、510 nm和530 nm具有共同敏感特征;经GA算法优化SVM参数后,对比SVM回归模型,预测精度有明显提高,其重金属Fe、As和Cr的验证集R2分别为0.968、0.821和0.976;研究结果可为应用遥感技术反演耕地土壤重金属含量提供新的参考。     

基于近红外光谱和支持向量机的土壤参数预测

应用支持向量机算法对实时土壤光谱数据进行处理,获得了土壤全氮和有机质的回归模型并研究了模型随参数变化的规律。从中国农业大学试验田采集了150个土样,用光谱仪获取了原始土壤样本的近红外光谱,用实验室分析法获取了各样本的全氮和有机质含量。以近红外光谱数据为自变量对2个土壤参数进行了回归建模并评价了算法各参数对模型的影响。研究表明土壤参数适合于全谱支持向量回归。对于土壤全氮,基于小波降噪NIR光谱的SVM回归模型的标定R2为0.9224,验证R2为0.3667;对于土壤有机质,基于原始NIR光谱的SVM回归模型     

夏玉米叶片全氮含量高光谱遥感估算模型研究

在5种不同施氮量和2种夏玉米品种处理下,分别在玉米拔节期、大喇叭口期、抽雄期、吐丝期、乳熟期测定了玉米冠层高光谱反射率及其对应叶片的全氮含量。选取了470、550、620和720 nm 4个代表性光谱波段,分品种对叶片全氮含量与原始光谱反射率、光谱反射率一阶微分以及部分高光谱特征参数（基于光谱位置、面积、植被指数的特征参量）分别进行线性回归和非线性回归拟合。在每个生育时期,选择决定系数和F值最高的模型3个,并分别用第二年测定的光谱和全氮含量数据分别对两个品种进行均方根差和相对误差的验证,选择均方根差和相对误差较小的拟合模型。结果表明:在拔节期、大喇叭口期、抽雄期、吐丝期和乳熟期,玉米叶片全氮含量最佳拟合光谱参量分别为R720、DR720、SDb、DR550和DR550,玉米叶片全氮含量最佳高光谱遥感估算模型依次为:Y=5.129e-2.317x、Y=3.421－10.010x－477802.331x3、Y=4.070－2.304x－52.177x2、Y=－0.468－0.528lnx和Y=－2.390－0.793lnx。     

夏玉米叶片光谱吸收率初探

对不同株型、不同发育期、不同部位的夏玉米叶片光谱吸收率及冠层中的光谱分布状况作了初步分析,发现各绿色叶片对各波段光的吸收率随波长的变化趋势基本相同,但对不同叶龄、不同部位的叶片,不同品种同一部位的叶片而言,在吸收率的高低上有差异。     

支持向量机在土壤镁含量高光谱估算中的应用

研究利用土壤样本实验反射光谱,分析了土壤镁(Mg)含量与土壤反射光谱的关系,比较了主成分回归分析(PCR)、偏最小二乘回归分析(PLSR)和支持向量机回归分析(SVMR)等方法,以及土壤反射光谱及其变换光谱与土壤Mg含量之间的估算模型,为土壤Mg含量高光谱估算提供依据。结果表明:PCR、PLSR、SVMR 3种建模方法在Mg含量的估算中,SVMR的估算精度相对较高,估算精度平均达到80.96%,分别比PCR和PLSR提高了6.16%、4.20%;对于不同的数学变换处理方法,一阶微分变换相对较好,估算精度平均为80.76%,分别比反射率、倒数对数变换提高了4.95%、4.61%。因此,运用土壤反射光谱一阶微分变换的SVMR进行建模,可以相对较好地估算全Mg含量,精度达84.04%。     

基于高光谱的三江源区土壤有机质含量反演

土壤有机质(SOM)是指土壤中各种含碳有机化合物的总称,其动态变化不仅影响农业生态系统的稳定,而且与大气圈和生物圈的碳循环密切相关,对土壤有机碳的大规模快速监测和碳储量核算具有重要意义。本研究于2017年、2018年7月在三江源区野外采集了145个土壤样品,检测了土壤光谱信息。然后将原始光谱反射率数据及其不同数据变换形式下的光谱分别与土壤有机质(SOM)含量进行相关分析,并选取了特征波段,此外利用偏最小二乘回归(PLSR)、支持向量机(SVM)和随机森林(RF)模型对三江源区SOM含量进行建模估算。结果表明,不同深度土壤有机质含量差异明显,且呈逐层下降趋势。而三种建模方法的检验精度分别为:RF> SVM> PLSR,其中RF和一阶微分(FD)组合模拟最好(建模集和验证集的R²、RMSE分别为0.9678、8.9132和0.7841、20.9787)。对于三江源土壤有机质含量反演,不同模型的最佳数据变换方法不同。本研究成果能为后续的高光谱遥感反演提供理论支撑,从而实现三江源区土壤有机质含量的快速检测和实时动态监测。     

基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算

为了进一步提高玉米叶绿素含量的高光谱估算精度,该文测定了西北地区玉米乳熟期叶片的光谱反射率及其对应的叶绿素相对含量（soil and plant analyzer development,SPAD）值,分析了一阶微分光谱、高光谱特征参数与 SPAD的相关关系,构建了基于一阶微分光谱、高光谱特征参数和 BP 神经网络的 SPAD 估算模型,并对模型进行验证;再结合主成分回归（principal component regression,PCR）、偏最小二乘回归（partial least squares regression,PLSR）以及传统回归模型与 BP 神经网络模型进行比较。结果表明：SPAD 值与一阶微分光谱在763nm 处具有最大相关系数（R=0.901）;以763 nm 处的一阶微分值、蓝边内最大一阶微分为自变量建立的传统回归模型可用于玉米叶片 SPAD 估算;将构建传统回归模型时筛选到的光谱参数作为输入,实测 SPAD 值作为输出,构建 BP 神经网络模型,其建模与验模 R2分别为0.887和0.896,RMSE 为2.782,RE 为4.59%,与其他回归模型相比,BP 神经网络模型预测精度最高,研究表明 BP 神经网络对叶绿素具有较好的预测能力,是估算玉米叶片 SPAD 值的一种实时高效的方法。     

基于高光谱成像技术的水稻叶瘟病病害程度分级方法

为了快速、准确地对水稻叶瘟病病害程度进行分级评估,结合定性分析与定量估算,提出了一种基于高光谱成像技术的水稻叶瘟病病害程度分级方法。利用HyperSIS高光谱成像系统采集了受稻瘟病侵染后不同病害等级的水稻叶片高光谱图像,通过分析叶瘟病斑区域与正常叶片部位的光谱特征,对差异较大的550和680 nm波段进行二维散点图分析,提取只含病斑的高光谱图像;然后通过主成分分析（principal component analysis,PCA）方法得到利于褐色病斑和灰色病斑分割的第2主成分图像,采用最大类间方差法（Otsu）分割出灰色病斑;最后结合延伸率和受害率2个参数对水稻叶瘟病病害程度进行分级。试验结果表明：测试的166个不同稻叶瘟病害等级的叶片样本中,其中160个样本可被准确分级,分级准确率为96.39%。该研究为稻叶瘟病田间病害程度评估提供了基础,也为稻瘟病抗性鉴定方法提供了新思路。     

不同钾肥施用量对玉米抗倒性能及产量的影响

以先玉335和郑单958为试验材料,针对不同钾肥施用量(0、50、100、150、200kg/hm~2)对玉米茎秆形态特征、干物质积累特性及产量的影响进行系统研究。结果表明:随着钾肥用量的增加,两品种穗位高系数均呈"V"型曲线,在K2处理(100kg/hm~2)时最低。与郑单958相比,先玉335第3~6节的节间长/节间直径对钾肥施用量的变化更敏感,呈现增加-降低-增加的变化规律。同一钾肥处理同一节位,郑单958节间长和节间长/节间直径均小于先玉335。钾肥用量对节间直径无显著影响。两个品种节间干物质比、单位节间干重和茎秆强度均随钾肥用量的增加先升高后降低。相关分析表明:玉米茎秆强度与单位节间干重呈极显著正相关。适宜的钾肥施用量对产量有一定的正效应,本试验5个处理中,钾肥施用量为100kg/hm~2时两玉米品种产量最高。     

玉米倒伏胁迫影响因子的空间回归分析

为指导玉米新品种的推广,采用回归模型分析玉米主产区倒伏胁迫空间分布成因。该文用多元逐步线性回归法筛选黄淮海夏播玉米区的倒伏胁迫的决定因素,比较普通最小二乘法线性回归模型和地理加权回归模型的结果,以确定倒伏胁迫及其决定因素是否存在空间非平稳性和空间依赖性。结果表明：在探索倒伏的空间异质性时,地理加权回归模型显著优于普通最小二乘法线性回归模型;日降水量是玉米倒伏胁迫的主要环境成因,且倒伏程度随日降水量增加而加重;土壤含氮量、留苗密度和日平均风速与倒伏的关系随空间位置而发生正负向变化,因地制宜的分析倒伏成因才能客观有效的指导农民种植生产。     

基于Worldview-2影像的玉米倒伏面积估算

为应用高分辨率遥感影像准确调查玉米倒伏面积,该文使用2012年9月14日获取的Worldview-2多光谱影像研究灌浆期倒伏玉米的光谱、纹理特征及其最优的面积估算方法。通过对影像进行大气校正后得到正常玉米和倒伏玉米的反射率,结果显示玉米倒伏后8个波段的反射率均升高,其中红边、近红外1和近红外2等3个波段的上升数值超过0.1。通过对反射率数据进行滤波得到正常、倒伏玉米的均值纹理特征,统计结果显示各波段纹理特征有差异,其中绿色、红边、近红外1及近红外2等4波段的均值纹理特征数值差距更明显。比较使用不同波段数量、特征及分类方法的倒伏面积估算值,结果表明基于最大似然分类法使用红边、近红外1和近红外2等3波段光谱反射率的倒伏面积估算方法最优,其最小误差为2.2%,最大误差为8.9%,平均误差为4.7%。该研究结果为应用高分辨率多光谱遥感数据调查玉米倒伏面积提供了相关依据。     

基于高光谱成像的寒地水稻叶瘟病与缺氮识别

为进行水稻叶瘟病与养分缺失的区分、实现叶瘟病及时、准确的诊断,以大田试验为基础,利用高光谱成像仪获取2个品种的健康、缺氮、轻度感病和重度感病共4类水稻叶片的反射率光谱,对其光谱特性进行分析,并采用多种预处理方法、分别结合偏最小二乘判别分析(partial least squares-discriminate analysis,PLS-DA)和主成分加支持向量机(principle component analysis-support vector machine,PCA-SVM)方法构建水稻叶瘟病识别模型。试验结果显示6个判别模型都获得了较高的识别准确率,经标准正态变量(standard normal variate,SNV)变换预处理的PLS-DA模型获得了最佳的识别结果,预测准确率达100%,经多元散射校正(multiplicative scatter correction,MSC)预处理的PCA-SVM模型的预测准确率也达到97.5%。本研究为水稻叶瘟病的判别和分级提供了新方法,也为稻瘟病大范围遥感监测提供了基础。     

基于高光谱成像技术的沙金杏成熟度判别

为了实现对不同成熟度沙金杏进行快速、准确识别的目的,该研究利用高光谱成像技术(400~1 000 nm)对沙金杏的成熟度进行了判别研究,利用高光谱成像系统分别采集了处于4种不同成熟阶段(七成熟、八成熟、九成熟和十成熟)的沙金杏共480个样本的高光谱数据。首先,对不同成熟阶段所有样本的可溶性固形物含量值进行测定和单因素方差分析,结果表明,可溶性固形物与成熟度之间存在相关性,其相关系数为0.9386,可用该指标对沙金杏的成熟度进行划分。然后,对光谱数据利用偏最小二乘回归(partial least squares regression,PLSR)模型提取得到9个特征波长(434、528、559、595、652、678、692、728、954 nm),对图像数据利用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取到6项图像纹理指标(均值、对比度、相关性、能量、同质性和熵),并对图像数据采用RGB模型提取到6项图像颜色指标(R、G、B分量图像的平均值和标准差)。将这三类指标进行最优组合并分别建立关于沙金杏成熟度判别的极限学习机(extreme learning machine,ELM)模型。结果表明:使用特征波长与颜色特征融合值建立的ELM模型的判别正确率最高,达到93.33%。该研究为沙金杏的成熟度在线无损检测提供了理论参考。     

基于Sentinel-1雷达影像的玉米倒伏监测模型

在玉米发生倒伏灾害后,为定量监测区域尺度下的玉米倒伏程度,该研究以2017年8月8日因强风和强雨造成大面积玉米倒伏的小汤山国家精准农业研究示范基地作为研究区,提取倒伏前后Sentinel-1A雷达影像的多种强度信息,与实测倒伏样本关联分析,筛选出玉米倒伏前后最佳敏感后向散射系数。采用自然高与植株高的比值作为倒伏程度评价指标并构建比值公式,最终得到倒伏监测模型。结果表明,倒伏前后玉米植株高度的最优敏感后向散射系数分别为σVH和σVV+VH。32个建模点的实测差值结果与模拟差值结果的R~2为0.896(P0.01)。15个检验样本点和总样本点的倒伏程度分类准确度均达到100%。模型求解的自然高与植株高的比值与实测的比值总体相关性达到0.899。其中,中度倒伏类型的相关性最好,严重倒伏次之,轻度倒伏最差。该研究结果表明,在倒伏发生后,基于Sentinel-1A雷达后向散射系数构建的倒伏监测模型能在区域尺度下有效的实现玉米倒伏程度的分级监测。     

基于小型无人机遥感的玉米倒伏面积提取

该文使用2012年小型无人机遥感试验获取的红、绿、蓝彩色图像研究灌浆期玉米倒伏的图像特征和面积提取方法。研究首先计算和统计正常、倒伏玉米的30项色彩、纹理特征,然后比较特征的变异系数和相对差异评选出适宜区分正常、倒伏玉米的特征;通过分析发现,与红、绿、蓝色灰度比较,多项色彩、纹理特征的变异系数更大或不同类别间的相对差异更小,不适用于准确区分正常、倒伏玉米,最适于区分正常和倒伏玉米的特征是3项基于灰度共生矩阵的红、绿、蓝色均值纹理特征。分别基于色彩特征和评选出的纹理特征提取倒伏玉米面积,对比2种方法的误差发现,基于红、绿、蓝色均值纹理特征提取倒伏玉米面积的误差最小为0.3%,最大为6.9%,显著低于基于色彩特征提取方法的。该研究结果为应用无人机彩色遥感图像准确提取倒伏玉米面积提供了依据和方法。     

钾肥用量对夏玉米干物质和钾素积累、分配及抗倒性的影响

为合理施用钾肥,稳定夏玉米产量,减少倒伏,采用田间试验法,以河北省黑龙港低平原区冬小麦/夏玉米粮田为研究对象,研究钾肥用量对夏玉米产量及其构成因素、体内干物质和钾素积累与分配、茎秆抗倒性的影响。结果表明,增施钾肥促进干物质和钾素在植株体内各器官的运输和分配,植株干物质积累直到成熟期。成熟期,各施钾肥处理籽粒中干物重和钾素分别占整株的51.1%~57.0%和15.8%~20.7%,各处理籽粒干物质和钾积累量分别是灌浆期的1.33~1.61和0.70~0.97倍,整株干物质和钾积累量分别是灌浆期的0.98~1.15和0.75~1.00倍,说明钾和干物质在玉米体内的运输和分配不同步,在施用其他养分时应合理分期调控。施用钾肥增加玉米茎秆抗拉力、抗折力和穿刺强度,以K225处理最大,且茎秆抗拉力和抗折力均在灌浆期最强。同一植株随节位上升茎秆抗折力和穿刺强度下降,基部第3节作用最强。因此,钾肥用量225 kg·hm-2时,不仅促进玉米体内干物质和钾素有效运输、积累和利用,增强其抗倒性,还可提高玉米产量,节约钾肥资源。